最大池化max-pooling和平均池化mean-pooling

       池化（Pooling）在目标检测中有重要作用，主要体现在以下几个方面：降维与特征压缩、提取关键信息、增强不变性、降噪与增强鲁棒性等等。其中在目标检测当中我们采用的最多的就是max-pooling和avg-pooling，下面来了解一下这两个池化的实现方式以及适用场景。

1.max-pooling

       首先我们通过图示来了解一下max-pooling的大致过程(假设池化窗口为2*2)：

    

      前向：在2*2的max-pooling中,我们将4*4特征图分为四块，在四块区域当中选择最大值。

      反向：在前向传播当中，我们选取了四个子区域当中各自最大的值(位置为绿色标记位置)。在反向传播当中我们将最大值位置(绿色标记)置为最大值，其余置为0。

       特点：如果将0理解为背景，非0理解为目标。我们可以看到在max-pooling当中只激活了显著(最大值)特征的位置，而将其他弱特征置为0(背景)。因此max-pooling强调边缘、角点和高激活值区域，适合突出目标的关键特征。

2.mean-pooling

    同样，我们通过图示来理解mean-pooling的实现过程：